MétaCan
Menu
Retour à la cohorte
Enregistrement W2887292684 · doi:10.1097/pai.0000000000000698

Small Biopsies Misclassify up to 35% of PD-L1 Assessments in Advanced Lung Non–Small Cell Lung Carcinomas

2018· article· en· W2887292684 sur OpenAlexaff
Gilbert Bigras, Simon Mairs, Paul E. Swanson, Didier Morel, Raymond Lai, Iyare Izevbaye

Notice bibliographique

RevueApplied immunohistochemistry & molecular morphology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPembrolizumabMedicineLung cancerBiopsyInternal medicineLungOncologySampling (signal processing)ImmunohistochemistryCancerImmunotherapyComputer science

Résumé

récupéré en direct d'OpenAlex

Pembrolizumab is an FDA-approved immune-checkpoint (IC) inhibitor that targets programmed cell death protein PD-1, and recent phase III trials have demonstrated its superiority over chemotherapy in the treatment of patients with advanced non-small cell lung cancer (NSCLC). Eligibility for treatment with Pembrolizumab is based on demonstration of PD-L1 expression on tumoral cells using the approved companion test 22C3 PharmDx (Dako). Access to the drug depends on a tumor proportion score (TPS) expressing the PD-L1 protein above predetermined cutoffs. The scoring interpretation guide requires a minimum of 100 viable cells to be considered adequate for evaluation. Recent studies have questioned the adequacy of the sampling process when small biopsies are utilized. To further explore this concern, the viable tumor area of 426 consecutive NSCLC biopsies and surgical excisions submitted for PD-L1 assessment was measured and recorded with corresponding PD-L1 expression. About 14.6% of all biopsies measured <2 mm creating 2 groups (<2 mm and ≥2 mm) whose PD-L1 categories distribution [negative (<1%), low expressor (≥1% and <50%), and positive (≥50%)] were compared. Results were significantly different between both groups (χ test; P=0.0012). To help understand this difference, 1,407,000 in silico simulated biopsies of various sizes were performed on 201 numerical tumors created from digitalized full sections and analyzed. Not only the same results shown in actual biopsies were reproduced, but the model calculated that up to 35% of very small biopsies were misclassified including a mixture of false negative and false positive results. The percentage decreased to 10% with a threshold of 5 mm. In era of precision medicine, appropriate sampling is more than ever critical to achieve accurate assessment of the NSCLC PD-L1. Ignored in most clinical trials, recording of biopsy size would permit refining data analysis and increase predictive accuracy of current and future biomarkers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,285
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied immunohistochemistry & molecular morphologyMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207